Model tanpa compute cuma file

Kita suka membicarakan model seolah dia hidup sendiri.

Padahal model adalah software yang butuh machine.

Kalau weights ada tapi tidak ada GPU, tidak ada layanan.

Kalau GPU ada tapi listrik tidak cukup, tidak ada layanan.

Kalau listrik ada tapi cooling gagal, GPU mati.

Kalau server hidup tapi network bottleneck, cluster tidak efisien.

Kalau data center ada tapi fiber terbatas, user tidak terlayani.

Stack-nya panjang.

Dan setiap layer mulai mengalami bottleneck.

Itu sebabnya perusahaan AI besar sekarang bikin deal yang kelihatan seperti perusahaan energi atau properti.

Lease 15 tahun.

Power purchase agreement.

Gigawatt target.

Data center campus.

Custom chip.

Long-term supply.

Model release bisa terjadi tiap beberapa bulan.

Data center perlu bertahun-tahun.

Infrastructure cycle jauh lebih lambat dari software cycle.

Itu menciptakan tension.

AI demand bergerak cepat.

Beton tidak.

Satu gigawatt tidak muncul karena CEO bilang “ship it”

Misalnya perusahaan memprediksi kebutuhan compute naik tiga kali lipat.

Di software, mereka bisa menambah engineer.

Di infrastructure, mereka harus cari lahan.

Minta power connection.

Bangun substation.

Pesan transformer.

Dapat permit.

Beli server.

Tunggu chip.

Install cooling.

Test.

Connect fiber.

Semua punya lead time.

Beberapa equipment listrik punya antrean panjang.

Grid upgrade bisa makan waktu.

Public objection bisa memperlambat.

Environmental review perlu.

Maka AI company mulai mengamankan capacity jauh sebelum benar-benar dibutuhkan.

Itu menjelaskan komitmen lease raksasa.

Mereka membeli optionality.

Kalau demand AI meledak, capacity sudah ada.

Kalau demand melambat, mereka punya obligation mahal.

Infrastructure race adalah taruhan besar.

Bukan semua compute akan profitable

Ini sisi yang jarang masuk hype.

Kalau perusahaan commit ratusan miliar dolar untuk data center, mereka sebenarnya membuat prediction.

Bahwa AI usage akan tumbuh cukup besar.

Bahwa customer mau bayar.

Bahwa model terus membutuhkan banyak compute.

Bahwa efficiency improvement tidak mengurangi demand terlalu cepat.

Bahwa competitor tidak membuat architecture jauh lebih murah.

Kalau prediksi salah, overcapacity bisa terjadi.

Sejarah teknologi penuh siklus begini.

Fiber boom.

Telecom.

Cloud.

Semiconductor.

Ada fase shortage.

Investment besar.

Lalu capacity berlebih.

AI bisa mengalami versi sendiri.

Tapi sampai Agustus 2026, sinyal demand masih sangat kuat.

CoreWeave memperluas footprint ke Indonesia.

AMD data-center revenue tumbuh kuat.

Caterpillar bahkan menaikkan outlook karena demand equipment untuk pembangunan data center AI.

AI boom sudah menyebar ke perusahaan yang tidak membuat model sama sekali.

Produsen generator.

Cooling.

Construction equipment.

Power management.

Ini tanda infrastructure cycle sudah masuk ekonomi nyata.

Perusahaan paling penting AI bisa jadi bukan perusahaan AI

Kalau supply chain jadi bottleneck, value pindah.

Caterpillar menjual equipment.

Vertiv menjual cooling dan power system.

Schneider Electric menyediakan infrastructure.

Utility menjual listrik.

Semiconductor company menjual chip.

Fiber provider membawa data.

Real estate company menyediakan land.

Construction firm membangun campus.

Ini mirip gold rush.

Kadang yang paling konsisten untung bukan pencari emas.

Yang jual sekop.

AI infrastructure punya banyak “sekop”.

Dan investor mulai melihat itu.

Tidak semua exposure AI harus berupa model lab.

Ekonomi fisiknya luas.

Buat Indonesia, peluang justru mungkin lebih besar di layer ini.

Kita belum punya frontier lab global.

Tapi kita bisa punya data center.

Power engineering.

Fiber.

Cooling service.

Cloud operations.

Cybersecurity.

Construction.

Maintenance.

Electrical equipment.

Talent.

Infrastructure race membuka lebih banyak pintu daripada model race.

Indonesia mulai masuk peta

Agustus 2026, CoreWeave mengumumkan tiga data center baru di Indonesia dengan total rencana kapasitas besar dan target mulai beroperasi bertahap hingga 2028.

Ini ekspansi fisik pertamanya di Asia Pasifik.

Signal-nya penting.

Indonesia dilihat cukup strategis untuk AI cloud infrastructure.

Sebelumnya pemerintah juga menyebut pipeline data center nasional sekitar 1,3 GW.

Batam menarik proyek besar.

Jabodetabek tetap jadi pusat demand.

Kalau tren ini lanjut, Indonesia bisa menjadi salah satu node compute Asia Tenggara.

Tapi headline capacity tidak cukup.

Pertanyaan lebih penting:

Berapa listrik yang dibutuhkan?

Dari sumber apa?

Apakah grid siap?

Air bagaimana?

Fiber redundancy ada?

Engineer cukup?

Apakah local company mendapat access?

Apakah capacity hanya untuk workload regional?

Apakah cloud price turun?

Apakah research institution ikut mendapat manfaat?

Infrastructure yang hanya berdiri tidak otomatis menciptakan AI capability.

Kita perlu connection antara building dan ecosystem.

Perang infrastructure juga perang energy

AI membuat perusahaan teknologi masuk urusan listrik.

Dulu cloud team bisa menganggap power sebagai urusan data center operator.

Sekarang demand terlalu besar.

Hyperscaler mulai memikirkan nuclear.

Renewable.

Gas.

Grid.

Long-term power contract.

Energy storage.

Transformer supply.

AI lab bisa punya dependency pada utility policy.

Ini transformasi yang cukup absurd kalau dilihat dari sudut sejarah software.

Perusahaan yang awalnya menjual search atau social media sekarang harus memahami transmission line.

Reason-nya sederhana.

Compute adalah electricity converted into intelligence.

Semakin banyak intelligence diproduksi, semakin banyak energy dibutuhkan.

Efficiency model akan membantu.

Chip juga lebih efisien.

Tapi Jevons paradox bisa terjadi.

Kalau cost per inference turun, penggunaan naik.

AI murah dipasang ke lebih banyak produk.

Total compute malah naik.

Jadi efficiency belum tentu menurunkan demand energy.

Bisa memperbesar.

Network jadi bottleneck berikutnya

Punya GPU banyak tidak berarti cluster optimal.

GPU perlu berkomunikasi.

Training model besar membutuhkan data berpindah sangat cepat antarchip.

Inference distributed juga butuh networking.

Optical transceiver dan high-speed switch menjadi bagian strategis.

Pada Agustus 2026, Amerika bahkan mulai mempertimbangkan pembatasan komponen data center tertentu dari China, termasuk optical transceiver.

Ini menunjukkan networking sudah masuk geopolitik.

Supply chain AI tidak berhenti di chip.

Setiap komponen bisa menjadi chokepoint.

Memory.

Optics.

Packaging.

Power electronics.

Copper.

Transformer.

Cable.

Semakin besar cluster, semakin besar dependency.

Perusahaan teknologi akhirnya belajar industrial resilience.

Bukan cuma software redundancy.

Negara dengan permit cepat punya advantage

Infrastructure race bukan cuma private capital.

Pemerintah punya peran besar.

Kalau permit data center tiga tahun, investor pindah.

Kalau grid connection tidak jelas, project tertahan.

Kalau water rule tidak ada, backlash muncul.

Kalau import server rumit, timeline kacau.

Negara yang bisa memberi regulatory certainty punya advantage.

Ini tidak sama dengan deregulation.

Operator justru butuh rule yang jelas.

Misalnya water efficiency minimum.

Power contribution.

Renewable target.

Emergency standard.

Security requirement.

Data regulation.

Tax.

Kalau semua diketahui di depan, model finansial bisa dibuat.

Ketidakpastian lebih mahal daripada regulasi.

AI infrastructure race akan dimenangkan negara yang bisa coordinate.

Energy ministry.

Digital ministry.

Local government.

Utility.

Telecom.

Investment agency.

Education.

Kalau masing-masing jalan sendiri, project lambat.

Compute sekarang industrial policy.

Capital expenditure menjadi strategic moat

Software startup dulu bisa lahir dari laptop.

Frontier AI tidak.

Model lab perlu billions.

Data center operator perlu billions.

Chip company perlu fabs.

Barrier to entry naik.

Ini bisa memperkuat concentration.

Hanya perusahaan dengan balance sheet besar yang bisa mengamankan capacity dalam skala raksasa.

Mereka mendapatkan cost advantage.

Pemain kecil sewa dari mereka.

Akhirnya infrastructure owner punya leverage atas AI ecosystem.

Ini problem kompetisi yang mulai relevan.

Kalau lima perusahaan mengontrol sebagian besar cloud AI, startup punya dependency besar.

Open model membantu, tapi tetap perlu server.

Sovereign AI tanpa compute juga terbatas.

Karena itu negara mulai memperlakukan compute sebagai strategic infrastructure.

Eropa punya AI Factories.

Negara Teluk membangun cluster.

China mengembangkan domestic stack.

India mengembangkan capacity nasional.

Indonesia mulai bicara compute cluster.

Semua melihat arah yang sama.

Model bisa berubah cepat.

Infrastructure bertahan lama.

Perlombaan AI mulai mirip perlombaan jalur kereta

Abad ke-19, negara yang punya railway bisa memindahkan barang dan orang lebih cepat.

Abad ke-20, listrik dan jalan menentukan industrialization.

Abad ke-21 awal, broadband dan cloud menentukan digital economy.

Sekarang compute bisa menjadi layer baru.

Negara dengan compute murah dan accessible memberi perusahaan lokal “jalan tol intelligence”.

Perusahaan bisa build lebih cepat.

Research lebih murah.

Automation scale.

Startup eksperimen.

Pemerintah deploy.

Tanpa compute, semua harus impor.

Bayar cloud luar.

Tergantung network internasional.

Tergantung pricing vendor.

Masih bisa berkembang.

Tapi posisi tawar lebih rendah.

Infrastructure race bukan berarti semua negara harus membangun hyperscale sendiri.

Yang penting access.

Market competition.

Local capacity.

Connectivity.

Energy.

Talent.

Resilience.

Ini portfolio.

Bukan satu mega project.

AI 2026 punya dua leaderboard

Leaderboard pertama yang sering kita lihat:

Model siapa paling bagus?

Leaderboard kedua yang lebih penting buat ekonomi:

Siapa punya compute?

Siapa punya power?

Siapa punya data center?

Siapa punya chip?

Siapa punya network?

Siapa punya talent?

Siapa punya capital?

Siapa punya distribution?

Negara atau perusahaan bisa kalah di leaderboard pertama tapi menang di kedua.

Dan pemenang kedua bisa punya power lebih tahan lama.

Model advantage bisa hilang dalam enam bulan.

Data center yang sudah terhubung ke grid bisa menghasilkan value 15 tahun.

Fiber route bisa dipakai puluhan tahun.

Engineer yang terlatih pindah dan membangun ecosystem.

Infrastructure menciptakan path dependency.

Itulah kenapa perlombaan AI 2026 tidak lagi terasa seperti kompetisi software biasa.

Ini sudah masuk wilayah industrial capacity.

Kita masih akan melihat demo keren.

Model lebih pintar.

Agent lebih autonomous.

Video lebih realistis.

Tapi di belakang semua itu ada satu pertanyaan yang sangat tidak glamour:

Ada cukup listrik dan server untuk menjalankan semuanya?

Di 2026, jawaban atas pertanyaan itu mulai menentukan siapa yang benar-benar bisa scale.

Karena intelligence mungkin dibuat oleh model.

Tapi kekuasaan ekonomi datang dari kemampuan menjalankan model tersebut jutaan kali, setiap hari, dengan biaya yang masih masuk akal.

Dan kemampuan itu dibangun dari concrete, copper, silicon, water, fiber, dan megawatt.